1. Collecting
2. Analyzing
DATA INFORMASI
3. Interpreting
4. Drawing conclusion
Menyelesaikan
masalah Melaporkan Hasil
menggunakan (Report)
metode yang sesuai
Probabilitas
Probabilitas dari suatu kejadian mempunyai nilai antara 0 dan 1.
Secara acak, 100 komponen mobil tersebut memiliki kemungkinan rusak yang
sama.
σ(𝑥−𝑥)ҧ 2 σ(𝑥−μ)2
Sample standard deviation = s = Population standard deviation = s =
𝑛−1 𝑁
1. Perhitungan SD diperoleh dari data sample 1. Perhitungan SD diperoleh dari seluruh
2. Simbol (s) data dalam suatu populasi
3. Pembagi (n-1) jumlah sample - 1 2. Simbol (σ)
3. Pembagi N (jumlah anggota dalam
suatu populasi)
1500 warga diambil sebagai sample dari seluruh penduduk indonesia untuk diukur tinggi badannya. Dalam contoh
kasus ini, populasi adalah seluruh penduduk indonesia dan sample adalah 1500 warga yang dipilih secara acak untuk
diukur tinggi badannya.apabila tinggi badan rata-rata adalah 170 cm, maka 170 cm tersebut menunjukkan sample
mean dan 170 cm merupakan nilai statistik. Dari hasil perhitungan tersebut dapat disimpulkan bahwa rata-rata tinggi
badan orang indonesia sekitar 170 cm. Apabila populasi aktual disebut pula parameter, maka statistik merupakan nilai
estimasi dari suatu parameter.
Basic probability concepts
• Probabilitas dari kejadian A P(A) tidak terjadi adalah : 1-P(A). Atau sering
dituliskan dengan P(-A) = 1 – P(A).
• Hukum penjumlahan peluang yang tidak memiliki keterkaitan satu dan yang
lainnya (mutually exclusive). P(A or B) = P(A) + P(B)
• Hukum penjumlahan peluang umum adalah P(AorB)=P(A)+P(B)-P(A and B).
• Contoh:
• Dimana A adalah data yang diberikan dan B adalah populasi yang terdapat di
dalam A.
• Contoh: merujuk pada halaman sebelumnya:
Kombinasi dan Permutasi
• Kombinasi : banyaknya cara dalam menyusun beberapa objek dari
suatu grup tanpa memperhatikan urutan
Dalam 20 hasil produksi, terdapat 2 yang cacat. Seorang teknisi, secara acak memilih 2 hasil produksi tsb secara
bersamaan untuk dilakukan quality control. Berapa kemungkinan kedua hasil produksi yang dipilih secara acak
tersebut adalah hasil produksi yang cacat?
Terdapat kotak berisi 20 komponen dengan nama A s/d T. Dua komponen diambil secara acak dan berurutan.
Berapa kemungkinan kedua komponen yang dipilih tersebut adalah A dan T secara berurutan.
Jumlah Kemungkinan A,B dan C terpilih apapun posisinya adalah: ABC, ACB, BAC ....dst adalah:
PROBABILITY
DISTRIBUTION
CONTINUOUS
DISTRIBUTION
DISCRETE
DISTRIBUTION
Menggambarkan probabilitas suatu
POISSON kejadian dengan jumlah tertentu
DISTRIBUTION
Binomial Distribution
n = jumlah sample/subjek
x = jumlah yang diinginkan (contoh: jumlah gagal)
p = Probabilitas dari x
P(X=x) = Probabilitas yang diinginkan
Contoh soal:
Misal, dari seluruh hasil produksi suatu komponen mobil, 25% mengalami kegagalan. Apabila sample 6 komponen
diambil secara acak, berapakah probabilitas tidak satupun yang gagal dari ke enam sample tersebut.
Binomial Distribution
DIKETAHUI: HASIL PERHITUNGAN GRAFIK HASIL PERHITUNGAN
1. Prosentase komponen gagal 25%
2. Probabilitas komponen gagal 0.25
3. p = 0.25
4. Jumlah sample (n) = 6
5. Jumlah diharapkan gagal (x) = 0
Contoh soal
Diketahui jumlah customer yang datang ke suatu bank pada jam tertentu mempunyai nilai poisson
distribution (λ) = 5.4 . Tentukan probabilitas 6 customer berkunjung pada jam tersebut.
Poisson Distribution
PDF (Probability Density Function) dari permasalahan di atas adalah:
Comulative Distribution Function (CDF) untuk kedatangan kustomer maksimal 4 orang adalah:
Continuous Distribution
Merupakan salah satu continuous distribution
EXPONENTIAL yang digunakan untuk menentukan waktu
DISTRIBUTION kegagalan suatu produk “time to failure” pada
laju kegagalan constant “constant failure rate”
WEIBULL
DISTRIBUTION
CONTINUOUS
DISTRIBUTION Merupakan distribusi yang paling banyak
NORMAL digunakan, baik dalam teori maupun “best
DISTRIBUTION practice”
LOGNORMAL
DISTRIBUTION
Exponential Distribution
Merupakan salah satu continuous distribution yang digunakan untuk menentukan waktu kegagalan
suatu produk “time to failure distribution” pada laju kegagalan constant “constant failure rate”
dengan PDF sebagai berikut:
1
Dimana: 𝜎= Standard Deviasi
λ= constant failure rate 𝑓 𝑡 = 𝜆𝑒 −𝜆𝑡 𝜆
t= times, cycle, distance dll 1
μ= Rata-rata / mean
𝜆
𝑎
𝑃 𝑥 ≤ 𝑎 = 𝐹 𝑎 = න 𝜆𝑒 −𝜆𝑡 𝑑𝑡 = 1 − 𝑒 −𝜆𝑎
0
Contoh soal: Exponential Distribution
𝑓 𝑡 = 𝜆𝑒 −𝜆𝑡
𝑓 1000 = 0.00053𝑒 −0.00053 𝑥 1000
𝑓 1000 = 0.00031
Exponential Distribution
CDF adalah probabilitas kegagalan sejak waktu pertama (t=0) sampai waktu (t) tertentu.
𝐶𝐷𝐹 = 𝑃 𝑥 ≤ 𝑡 = 1 − 𝑒 −𝜆𝑡
P(Suatu unit tetap beroperasi pada waktu (t)) = 1 - P(gagal dari waktu (t))
P(Suatu unit tetap beroperasi pada waktu (t)) = 1 - CDF
P(Suatu unit tetap beroperasi pada waktu (t) = Reliability suatu unit pada waktu (t) = R(t)
R 𝑡 = 𝑒 −𝜆𝑡
Contoh:
Tentukan reliability suatu komponen yang beroperasi selama 1000 jam dengan failure rate 0.00053 failures/hour
𝛽−1 𝑡 𝛽
𝛽 𝑡 − 𝜂
PDF= 𝑓(𝑡) = 𝑒
𝜂 𝜂
β = shape parameter ≥ 0
ƞ = Scala parameter ≥ 0
Untuk β = 1, permasaan akan berubah menjadi exponential
distribution.
Untuk β = 3.44 bentuk kurva mendekati bentuk kurva normal
distribution.
𝑡 𝛽 𝑡 𝛽
− −
F 𝑡 =1−𝑒 𝜂 R 𝑡 =1−𝐹 𝑡 =𝑒 𝜂
Weibull Distribution
Contoh soal:
Waktu suatu produk untuk mengalami kegagalan memiliki konstanta pada
weibull distribution sebagai berikut:
β=0,72
ƞ=10.000
Tentukan reliability produk tersebut pada saat beroperasi selama 200 jam
200 0.72
−
R 200 = 1 − 𝐹 𝑡 = 𝑒 10000 = 0.94
Artinya: 94% dari seluruh produk tersebut akan tetap beroperasi setelah 200
jam